Python|使用 Missingno 库可视化缺失值 (NaN) 值

在真实数据集的情况下，数据集中的某些值丢失是很常见的。我们将这些缺失值表示为 NaN（非数字）值。但是要建立一个好的机器学习模型，我们的数据集应该是完整的。这就是我们使用一些插补技术将 NaN 值替换为一些可能值的原因。但在此之前，我们需要很好地了解 NaN 值在我们的数据集中是如何分布的。

Missingno库提供了一种非常好的方法来可视化 NaN 值的分布。 Missingno 是一个Python库，与 Pandas 兼容。

安装库 -

pip install missingno

要获取代码中使用的数据集，请单击此处。

矩阵 ：

使用此矩阵，您可以非常快速地找到数据集中的缺失模式。在我们的示例中， AAWhiteSt-4和SulphidityL-4列具有相似的缺失值模式，而 UCZAA 显示不同的模式。

# Program to visualize missing values in dataset
  
# Importing the libraries
import pandas as pd
import missingno as msno
  
# Loading the dataset
df = pd.read_csv("kamyr-digester.csv")
  
# Visualize missing values as a matrix
msno.matrix(df)

输出：

条形图：

此条形图可让您了解每列中有多少缺失值。在我们的示例中， AAWhiteSt-4和SulphidityL-4包含最多的缺失值，其次是 UCZAA。

# Program to visualize missing values in dataset
  
# Importing the libraries
import pandas as pd
import missingno as msno
  
# Loading the dataset
df = pd.read_csv("kamyr-digester.csv")
  
# Visualize the number of missing
# values as a bar chart
msno.bar(df)

输出：

热图：

热图显示每 2 列之间缺失的相关性。在我们的示例中，AAWhiteSt-4 和 SulphidityL-4 之间的相关性为 1，这意味着如果其中一个存在，那么另一个必须存在。

A value near -1 means if one variable appears then the other variable is very likely to be missing.
A value near 0 means there is no dependence between the occurrence of missing values of two variables.
A value near 1 means if one variable appears then the other variable is very likely to be present.

# Program to visualize missing values in dataset
  
# Importing the libraries
import pandas as pd
import missingno as msno
  
# Loading the dataset
df = pd.read_csv("kamyr-digester.csv")
  
  
# Visualize the correlation between the number of
# missing values in different columns as a heatmap
msno.heatmap(df)

输出：

参考：https://github.com/ResidentMario/missingno